目录
先说说我被消息事务"虐惨"的经历
之前我们做订单支付异步化，想着用消息队列解耦。结果上线第一天就出问题：用户支付成功了，但订单状态没更新。排查发现是消息发送失败了，还没重试机制。
去年做库存扣减，用了RocketMQ事务消息，测试环境好好的。生产环境大促时，一半消息卡在"Half Message"状态，查了三天是RocketMQ Broker内存配置太小。
上个月做对账系统，用了Kafka，结果因为消息顺序问题导致数据错乱。更坑的是，有次网络抖动，消息重复消费了三次，库存被多扣了两次。
这些事让我明白：不懂消息事务原理的程序员，就是在用消息队列埋雷，早晚要炸。
✨ 摘要
基于消息队列的最终一致性是分布式事务的实用解决方案。本文深度解析本地消息表、事务消息、最大努力通知三种模式，从消息可靠性、幂等性、顺序性三个维度解析技术难点。通过RocketMQ、Kafka、RabbitMQ实战案例，揭示消息丢失、重复消费、顺序错乱等问题的根本原因和解决方案。结合性能测试数据和生产经验，提供企业级消息事务架构设计指南。
1. 为什么选择消息队列？
1.1 从2PC的痛苦说起
先看个2PC的惨痛案例，我们支付系统的经历：
// 2PC实现的支付系统
@Service
public class PaymentService2PC {
@Transactional
public PaymentResult pay(PaymentRequest request) {
// 1. 创建支付记录（本地事务）
Payment payment = paymentRepository.save(convertToPayment(request));
// 2. 扣减库存（远程调用，XA事务）
inventoryService.deduct(request.getItems());
// 3. 更新订单状态（远程调用，XA事务）
orderService.updateStatus(request.getOrderId(), OrderStatus.PAID);
// 4. 发送通知（JMS，XA事务）
notificationService.sendPaymentSuccess(request.getUserId());
return PaymentResult.success(payment.getId());
}
}代码清单1：2PC支付系统
用图表示这个复杂流程：
图1：2PC的复杂性和脆弱性
问题：
所有服务必须同时在线
任何一个服务挂掉，整个事务失败
事务时间太长，锁持有时间久
性能差，扩展困难
1.2 消息队列的优势
换成消息队列方案：
// 消息队列实现的支付系统
@Service
public class PaymentServiceMQ {
@Transactional
public PaymentResult pay(PaymentRequest request) {
// 1. 创建支付记录（本地事务）
Payment payment = paymentRepository.save(convertToPayment(request));
// 2. 发送支付成功消息（本地事务内）
paymentEventPublisher.publishPaymentSuccess(
new PaymentSuccessEvent(payment.getId(), request.getOrderId()));
return PaymentResult.success(payment.getId());
}
}代码清单2：消息队列支付系统
对比图：
图2：2PC vs 消息队列架构对比
优势对比：
维度 | 2PC/XA | 消息队列 | 优势 |
|---|---|---|---|
性能 | 差 | 优秀 | 10-100倍提升 |
可用性 | 低 | 高 | 服务可独立部署 |
复杂度 | 高 | 中 | 实现相对简单 |
数据一致性 | 强一致 | 最终一致 | 满足大部分场景 |
扩展性 | 差 | 优秀 | 容易水平扩展 |
2. 三种核心模式详解
2.1 本地消息表（最可靠）
这是最经典的方案，我们用了5年，非常稳定：
-- 消息表设计
CREATE TABLE local_message (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
biz_id VARCHAR(64) NOT NULL COMMENT '业务ID',
biz_type VARCHAR(32) NOT NULL COMMENT '业务类型',
content TEXT NOT NULL COMMENT '消息内容',
status VARCHAR(20) NOT NULL COMMENT '状态: PENDING, SENT, CONSUMED, FAILED',
retry_count INT DEFAULT 0 COMMENT '重试次数',
next_retry_time DATETIME COMMENT '下次重试时间',
created_time DATETIME DEFAULT CURRENT_TIMESTAMP,
updated_time DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
INDEX idx_biz (biz_type, biz_id),
INDEX idx_status_time (status, next_retry_time)
) COMMENT '本地消息表';代码清单3：本地消息表设计
实现原理：
@Component
@Slf4j
public class LocalMessageService {
@Autowired
private JdbcTemplate jdbcTemplate;
@Transactional
public void saveMessageWithBusiness(String bizType, String bizId,
Object content) {
// 1. 执行业务操作
businessService.process(bizId, content);
// 2. 保存消息（同一个事务）
String sql = "INSERT INTO local_message " +
"(biz_id, biz_type, content, status) " +
"VALUES (?, ?, ?, 'PENDING')";
jdbcTemplate.update(sql,
bizId,
bizType,
JsonUtils.toJson(content));
}
// 定时任务发送消息
@Scheduled(fixedDelay = 5000)
public void sendPendingMessages() {
String sql = "SELECT id, biz_type, content " +
"FROM local_message " +
"WHERE status = 'PENDING' " +
"AND (next_retry_time IS NULL OR next_retry_time <= NOW()) " +
"LIMIT 100";
List messages = jdbcTemplate.query(sql, (rs, rowNum) -> {
Message msg = new Message();
msg.setId(rs.getLong("id"));
msg.setBizType(rs.getString("biz_type"));
msg.setContent(rs.getString("content"));
return msg;
});
for (Message msg : messages) {
try {
// 发送到MQ
boolean success = mqProducer.send(msg);
if (success) {
updateMessageStatus(msg.getId(), "SENT");
} else {
handleSendFailure(msg);
}
} catch (Exception e) {
log.error("发送消息失败: {}", msg.getId(), e);
handleSendFailure(msg);
}
}
}
private void handleSendFailure(Message msg) {
String updateSql = "UPDATE local_message " +
"SET retry_count = retry_count + 1, " +
"next_retry_time = DATE_ADD(NOW(), INTERVAL " +
"POW(2, LEAST(retry_count, 6)) * 10 SECOND), " +
"status = CASE WHEN retry_count >= 10 THEN 'FAILED' " +
"ELSE 'PENDING' END " +
"WHERE id = ?";
jdbcTemplate.update(updateSql, msg.getId());
}
} 代码清单4：本地消息表实现
流程图更清晰：
图3：本地消息表工作流程
2.2 事务消息（RocketMQ特色）
RocketMQ的事务消息很强大，但坑也多：
@Component
@Slf4j
public class RocketMQTransactionService {
@Autowired
private RocketMQTemplate rocketMQTemplate;
// 发送事务消息
public void sendTransactionMessage(String orderId, BigDecimal amount) {
// 创建消息
Message message = MessageBuilder
.withPayload(new PaymentEvent(orderId, amount))
.setHeader(RocketMQHeaders.TRANSACTION_ID,
"tx_" + System.currentTimeMillis())
.build();
// 发送事务消息
TransactionSendResult result = rocketMQTemplate.sendMessageInTransaction(
"payment-topic",
message,
orderId // 业务参数，会传给executeLocalTransaction
);
log.info("发送事务消息结果: {}", result.getSendStatus());
}
// 事务监听器
@RocketMQTransactionListener
public class PaymentTransactionListenerImpl
implements RocketMQLocalTransactionListener {
@Override
public RocketMQLocalTransactionState executeLocalTransaction(
Message msg, Object arg) {
try {
// 执行业务逻辑
String orderId = (String) arg;
boolean success = paymentService.processPayment(orderId);
if (success) {
return RocketMQLocalTransactionState.COMMIT;
} else {
return RocketMQLocalTransactionState.ROLLBACK;
}
} catch (Exception e) {
log.error("执行本地事务失败", e);
return RocketMQLocalTransactionState.ROLLBACK;
}
}
@Override
public RocketMQLocalTransactionState checkLocalTransaction(Message msg) {
// RocketMQ会回调此方法检查本地事务状态
String orderId = msg.getHeaders()
.get(RocketMQHeaders.TRANSACTION_ID, String.class);
try {
PaymentStatus status = paymentService.getPaymentStatus(orderId);
switch (status) {
case SUCCESS:
return RocketMQLocalTransactionState.COMMIT;
case FAILED:
return RocketMQLocalTransactionState.ROLLBACK;
default:
return RocketMQLocalTransactionState.UNKNOWN;
}
} catch (Exception e) {
log.error("检查本地事务状态失败", e);
return RocketMQLocalTransactionState.UNKNOWN;
}
}
}
} 代码清单5：RocketMQ事务消息
事务消息的状态流转：
图4：RocketMQ事务消息状态机
2.3 最大努力通知（最简单）
适合对一致性要求不高的场景：
@Component
@Slf4j
public class BestEffortNotificationService {
// 发送通知（不保证成功）
public void notifyPaymentSuccess(PaymentEvent event) {
CompletableFuture.runAsync(() -> {
int retry = 0;
boolean success = false;
while (retry < 3 && !success) {
try {
// 发送通知
notificationClient.notify(event);
success = true;
log.info("通知发送成功: {}", event.getOrderId());
} catch (Exception e) {
retry++;
log.warn("通知发送失败，第{}次重试: {}", retry, event.getOrderId());
if (retry < 3) {
try {
// 指数退避
Thread.sleep(1000L * (1 << retry));
} catch (InterruptedException ie) {
Thread.currentThread().interrupt();
break;
}
}
}
}
if (!success) {
// 记录到失败表，人工处理
log.error("通知发送最终失败: {}", event.getOrderId());
recordFailure(event);
}
});
}
// 对账补偿
@Scheduled(cron = "0 0 2 * * ?") // 每天凌晨2点
public void reconcileNotifications() {
log.info("开始对账补偿...");
// 查询昨天未通知成功的记录
List failures =
failureRepository.findByDate(LocalDate.now().minusDays(1));
for (NotificationFailure failure : failures) {
try {
// 重新通知
notificationClient.notify(failure.toEvent());
failureRepository.delete(failure);
log.info("补偿通知成功: {}", failure.getBizId());
} catch (Exception e) {
log.error("补偿通知失败: {}", failure.getBizId(), e);
}
}
}
} 代码清单6：最大努力通知实现
3. 消息可靠性保障
3.1 不丢失：发送端保证
消息丢失是最常见的问题，看我们的解决方案：
@Component
@Slf4j
public class ReliableMessageProducer {
// 方案1：同步发送+确认
public boolean sendWithConfirm(String topic, String message) {
try {
// 同步发送，等待Broker确认
SendResult result = rocketMQTemplate.syncSend(topic, message);
if (result.getSendStatus() == SendStatus.SEND_OK) {
return true;
} else {
log.warn("消息发送失败: {}", result);
return false;
}
} catch (Exception e) {
log.error("消息发送异常", e);
return false;
}
}
// 方案2：异步发送+回调
public void sendAsyncWithCallback(String topic, String message) {
rocketMQTemplate.asyncSend(topic, message, new SendCallback() {
@Override
public void onSuccess(SendResult sendResult) {
log.info("消息发送成功: {}", sendResult.getMsgId());
}
@Override
public void onException(Throwable e) {
log.error("消息发送失败", e);
// 失败处理：记录日志、重试、告警
handleSendFailure(topic, message, e);
}
});
}
// 方案3：事务消息（最可靠）
public void sendTransactional(String topic, String message,
Object businessArg) {
Message msg = MessageBuilder.withPayload(message)
.setHeader(RocketMQHeaders.TRANSACTION_ID,
UUID.randomUUID().toString())
.build();
TransactionSendResult result = rocketMQTemplate
.sendMessageInTransaction(topic, msg, businessArg);
if (result.getLocalTransactionState() ==
LocalTransactionState.ROLLBACK_MESSAGE) {
throw new MessageSendException("事务消息回滚");
}
}
// 失败处理：本地存储+定时重试
private void handleSendFailure(String topic, String message, Throwable e) {
// 1. 存储到本地文件
String fileName = "failed_messages/" +
LocalDateTime.now().format(DateTimeFormatter.ISO_LOCAL_DATE_TIME) +
".json";
try (FileWriter writer = new FileWriter(fileName)) {
FailedMessage failed = new FailedMessage(topic, message,
System.currentTimeMillis());
writer.write(JsonUtils.toJson(failed));
} catch (IOException ioException) {
log.error("保存失败消息到文件失败", ioException);
}
// 2. 发送告警
alertService.sendAlert("消息发送失败",
"topic: " + topic + ", error: " + e.getMessage());
}
// 定时重试失败消息
@Scheduled(fixedDelay = 60000) // 每分钟
public void retryFailedMessages() {
File dir = new File("failed_messages");
if (!dir.exists()) return;
File[] files = dir.listFiles((d, name) -> name.endsWith(".json"));
if (files == null) return;
for (File file : files) {
try {
FailedMessage failed = JsonUtils.fromJson(
Files.readString(file.toPath()),
FailedMessage.class);
// 检查是否超过最大重试时间（24小时）
if (System.currentTimeMillis() - failed.getTimestamp()
> 24 * 60 * 60 * 1000) {
file.delete();
log.warn("消息超过24小时未发送成功，丢弃: {}", file.getName());
continue;
}
// 重试发送
boolean success = sendWithConfirm(failed.getTopic(),
failed.getMessage());
if (success) {
file.delete();
log.info("重试发送成功: {}", file.getName());
}
} catch (Exception e) {
log.error("重试失败消息异常: {}", file.getName(), e);
}
}
}
} 代码清单7：消息可靠性保障
3.2 不重复：消费端幂等
重复消费比丢失更可怕，会导致业务数据错乱：
@Component
@Slf4j
public class IdempotentMessageConsumer {
// 方案1：数据库唯一约束
@Transactional
public void processWithUniqueConstraint(PaymentEvent event) {
// 尝试插入去重记录
String insertSql = "INSERT INTO message_processed " +
"(message_id, biz_type, biz_id) " +
"VALUES (?, ?, ?)";
try {
jdbcTemplate.update(insertSql,
event.getMessageId(),
"PAYMENT",
event.getOrderId());
} catch (DuplicateKeyException e) {
// 已处理过，直接返回
log.info("消息已处理过: {}", event.getMessageId());
return;
}
// 执行业务逻辑
paymentService.processPayment(event);
}
// 方案2：Redis原子操作
public void processWithRedis(PaymentEvent event) {
String key = "msg:" + event.getMessageId();
// SETNX原子操作，成功返回1，失败返回0
Boolean success = redisTemplate.opsForValue()
.setIfAbsent(key, "1", 24, TimeUnit.HOURS);
if (Boolean.TRUE.equals(success)) {
// 第一次处理
paymentService.processPayment(event);
} else {
// 已处理过
log.info("消息已处理过: {}", event.getMessageId());
}
}
// 方案3：业务状态机
@Transactional
public void processWithStateMachine(PaymentEvent event) {
Payment payment = paymentRepository.findByOrderId(event.getOrderId());
if (payment == null) {
// 第一次处理
payment = createPayment(event);
paymentRepository.save(payment);
} else {
// 检查状态
if (payment.getStatus() == PaymentStatus.SUCCESS) {
log.info("支付已成功，跳过处理: {}", event.getOrderId());
return;
}
if (payment.getStatus() == PaymentStatus.PROCESSING) {
// 可能正在处理，检查超时
if (System.currentTimeMillis() - payment.getUpdateTime().getTime()
> 30000) { // 30秒超时
log.warn("支付处理超时，重新处理: {}", event.getOrderId());
payment.setStatus(PaymentStatus.INIT);
} else {
log.info("支付正在处理中，跳过: {}", event.getOrderId());
return;
}
}
// 更新状态为处理中
payment.setStatus(PaymentStatus.PROCESSING);
paymentRepository.save(payment);
// 执行业务
processPaymentInternal(payment, event);
}
}
// 方案4：乐观锁
@Transactional
public void processWithOptimisticLock(PaymentEvent event) {
int retry = 0;
boolean success = false;
while (retry < 3 && !success) {
Payment payment = paymentRepository.findByOrderId(event.getOrderId());
if (payment == null) {
// 第一次处理
payment = createPayment(event);
paymentRepository.save(payment);
success = true;
} else {
// 使用版本号控制
int oldVersion = payment.getVersion();
payment.setStatus(PaymentStatus.SUCCESS);
payment.setVersion(oldVersion + 1);
int updated = paymentRepository.updateWithVersion(
payment.getId(),
PaymentStatus.SUCCESS,
oldVersion,
oldVersion + 1);
if (updated > 0) {
success = true;
} else {
retry++;
if (retry >= 3) {
throw new ConcurrentUpdateException("支付处理并发冲突");
}
}
}
}
}
}代码清单8：消息幂等性实现
3.3 顺序性：业务场景处理
有些业务需要消息顺序消费：
@Component
@Slf4j
public class SequentialMessageConsumer {
// 方案1：单线程消费
@KafkaListener(topics = "order-events",
concurrency = "1") // 单线程
public void consumeSingleThread(ConsumerRecord record) {
processOrderEvent(record.value());
}
// 方案2：按key分区
@KafkaListener(topics = "order-events")
public void consumeByKey(ConsumerRecord record) {
String orderId = record.key(); // 使用orderId作为key
synchronized (orderId.intern()) { // 同一订单串行处理
processOrderEvent(record.value());
}
}
// 方案3：Redis分布式锁
public void consumeWithDistributedLock(ConsumerRecord record) {
String orderId = record.key();
String lockKey = "lock:order:" + orderId;
// 尝试获取分布式锁
Boolean locked = redisTemplate.opsForValue()
.setIfAbsent(lockKey, "1", 30, TimeUnit.SECONDS);
if (Boolean.TRUE.equals(locked)) {
try {
processOrderEvent(record.value());
} finally {
// 释放锁
redisTemplate.delete(lockKey);
}
} else {
// 没获取到锁，延迟重试
log.info("获取锁失败，延迟重试: {}", orderId);
throw new RuntimeException("获取锁失败");
}
}
// 方案4：本地队列缓冲
private final Map> orderQueues =
new ConcurrentHashMap<>();
public void consumeWithLocalQueue(ConsumerRecord record) {
String orderId = record.key();
// 获取或创建该订单的队列
LinkedBlockingQueue queue = orderQueues
.computeIfAbsent(orderId, k -> new LinkedBlockingQueue<>());
// 放入队列
queue.offer(new Message(record.value(), System.currentTimeMillis()));
// 异步处理队列
processQueueAsync(orderId, queue);
}
private void processQueueAsync(String orderId,
LinkedBlockingQueue queue) {
CompletableFuture.runAsync(() -> {
while (!queue.isEmpty()) {
try {
Message msg = queue.poll(100, TimeUnit.MILLISECONDS);
if (msg != null) {
processOrderEvent(msg.getContent());
}
} catch (Exception e) {
log.error("处理消息异常: {}", orderId, e);
}
}
// 处理完移除队列
orderQueues.remove(orderId);
});
}
} 代码清单9：消息顺序性保障
4. 企业级实战案例
4.1 电商下单全链路
这是最复杂的场景，我们用了混合方案：
@Component
@Slf4j
public class ECommerceOrderService {
// 下单主流程
@Transactional
public OrderResult createOrder(OrderRequest request) {
// 1. 创建订单（本地事务）
Order order = orderRepository.save(convertToOrder(request));
// 2. 扣减库存（同步，强一致）
InventoryResult inventoryResult = inventoryService
.tryLockStock(request.getItems());
if (!inventoryResult.isSuccess()) {
throw new InsufficientStockException("库存不足");
}
// 3. 发送创建订单消息（本地事务内）
String messageId = orderEventPublisher.publishOrderCreated(
new OrderCreatedEvent(order.getId(), request.getItems()));
// 4. 记录本地消息
localMessageService.saveMessage("ORDER_CREATED",
order.getId().toString(),
new OrderMessage(order.getId(), messageId));
return OrderResult.success(order.getId());
}
// 订单创建事件处理器
@Service
@Slf4j
public static class OrderCreatedEventHandler {
@KafkaListener(topics = "order-created")
public void handleOrderCreated(OrderCreatedEvent event) {
// 幂等检查
if (processed(event.getMessageId())) {
return;
}
try {
// 1. 实际扣减库存
inventoryService.deductStock(event.getItems());
// 2. 生成物流单
logisticsService.createDelivery(event.getOrderId(),
event.getItems());
// 3. 发送支付待处理消息
paymentEventPublisher.publishPaymentPending(
new PaymentPendingEvent(event.getOrderId()));
// 4. 记录处理成功
markProcessed(event.getMessageId());
} catch (Exception e) {
log.error("处理订单创建事件失败: {}", event.getOrderId(), e);
// 发送失败消息，人工处理
compensationEventPublisher.publishOrderProcessFailed(
new OrderProcessFailedEvent(event.getOrderId(), e));
}
}
}
// 支付事件处理器
@Service
@Slf4j
public static class PaymentEventHandler {
@RocketMQMessageListener(
topic = "payment-events",
consumerGroup = "order-payment-consumer"
)
public void handlePaymentEvent(PaymentEvent event) {
// 使用本地消息表保证可靠性
localMessageService.processWithMessageTable(
"PAYMENT_" + event.getOrderId(),
() -> {
// 更新订单状态
orderService.updateStatus(event.getOrderId(),
OrderStatus.PAID);
// 扣减库存（最终确认）
inventoryService.confirmDeduction(event.getOrderId());
// 通知物流发货
logisticsService.notifyDelivery(event.getOrderId());
// 发送订单完成消息
orderEventPublisher.publishOrderCompleted(
new OrderCompletedEvent(event.getOrderId()));
});
}
}
// 补偿机制
@Component
@Slf4j
public static class OrderCompensationService {
@Scheduled(fixedDelay = 30000) // 每30秒
public void compensateTimeoutOrders() {
// 查询超时未支付的订单
List timeoutOrders = orderRepository
.findByStatusAndCreateTimeBefore(
OrderStatus.CREATED,
LocalDateTime.now().minusMinutes(30));
for (Order order : timeoutOrders) {
try {
// 释放库存
inventoryService.releaseStock(order.getId());
// 取消订单
order.setStatus(OrderStatus.CANCELLED);
orderRepository.save(order);
// 发送取消通知
notificationService.sendOrderCancelled(order.getId());
} catch (Exception e) {
log.error("补偿订单失败: {}", order.getId(), e);
}
}
}
// 对账任务
@Scheduled(cron = "0 0 2 * * ?") // 每天凌晨2点
public void dailyReconciliation() {
reconcileOrders();
reconcileInventory();
reconcilePayments();
}
}
} 代码清单10：电商下单全链路实现
架构图更清晰：
图5：电商下单消息驱动架构
4.2 对账系统设计
对账是最终一致性的重要保障：
@Component
@Slf4j
public class ReconciliationService {
// 日终对账
public ReconciliationResult dailyReconcile(LocalDate date) {
ReconciliationResult result = new ReconciliationResult();
// 1. 订单 vs 支付
reconcileOrderPayment(date, result);
// 2. 订单 vs 库存
reconcileOrderInventory(date, result);
// 3. 支付 vs 银行
reconcilePaymentBank(date, result);
// 4. 生成对账报告
generateReconciliationReport(result);
// 5. 自动补偿
if (result.hasDiscrepancy()) {
autoCompensate(result);
}
return result;
}
private void reconcileOrderPayment(LocalDate date,
ReconciliationResult result) {
String sql = """
SELECT
o.order_no,
o.amount as order_amount,
p.amount as payment_amount,
o.status as order_status,
p.status as payment_status,
CASE
WHEN p.id IS NULL THEN '支付缺失'
WHEN o.amount != p.amount THEN '金额不一致'
WHEN o.status = 'PAID' AND p.status != 'SUCCESS'
THEN '状态不一致'
ELSE '一致'
END as result
FROM orders o
LEFT JOIN payments p ON o.order_no = p.order_no
WHERE DATE(o.create_time) = ?
ORDER BY o.order_no
""";
List> rows = jdbcTemplate
.queryForList(sql, date.toString());
for (Map row : rows) {
String checkResult = (String) row.get("result");
if (!"一致".equals(checkResult)) {
result.addDiscrepancy(new Discrepancy(
"ORDER_PAYMENT",
(String) row.get("order_no"),
checkResult,
row
));
}
}
}
// 自动补偿
private void autoCompensate(ReconciliationResult result) {
for (Discrepancy discrepancy : result.getDiscrepancies()) {
switch (discrepancy.getType()) {
case "ORDER_PAYMENT":
compensateOrderPayment(discrepancy);
break;
case "ORDER_INVENTORY":
compensateOrderInventory(discrepancy);
break;
case "PAYMENT_BANK":
compensatePaymentBank(discrepancy);
break;
}
}
}
private void compensateOrderPayment(Discrepancy discrepancy) {
String orderNo = discrepancy.getBizId();
String result = discrepancy.getResult();
if ("支付缺失".equals(result)) {
// 查询支付渠道
Payment payment = queryPaymentFromBank(orderNo);
if (payment != null) {
// 补单
paymentRepository.save(payment);
orderService.updateStatusByOrderNo(orderNo, OrderStatus.PAID);
log.info("补偿支付缺失成功: {}", orderNo);
}
} else if ("金额不一致".equals(result)) {
// 人工处理
alertService.sendAlert("金额不一致需人工处理", orderNo);
}
}
// 实时对账
@KafkaListener(topics = "reconciliation-events")
public void handleReconciliationEvent(ReconciliationEvent event) {
// 实时检查业务一致性
boolean consistent = checkBusinessConsistency(event);
if (!consistent) {
// 立即告警
alertService.sendRealtimeAlert(event);
// 尝试自动修复
tryAutoFix(event);
}
}
} 代码清单11：对账系统实现
5. 性能优化实战
5.1 批量处理优化
单条消息处理性能差，批量是王道：
@Component
@Slf4j
public class BatchMessageProcessor {
// 批量消费
@KafkaListener(topics = "order-events",
containerFactory = "batchFactory")
public void consumeBatch(List> records) {
List events = new ArrayList<>();
for (ConsumerRecord record : records) {
try {
OrderEvent event = JsonUtils.fromJson(record.value(),
OrderEvent.class);
events.add(event);
} catch (Exception e) {
log.error("解析消息失败: {}", record.value(), e);
}
}
if (!events.isEmpty()) {
processBatch(events);
}
}
// 批量处理
@Transactional
public void processBatch(List events) {
// 1. 批量查询
List orderIds = events.stream()
.map(OrderEvent::getOrderId)
.collect(Collectors.toList());
Map orders = orderRepository.findByIdIn(orderIds)
.stream()
.collect(Collectors.toMap(Order::getId, o -> o));
// 2. 批量更新
List toUpdate = new ArrayList<>();
for (OrderEvent event : events) {
Order order = orders.get(event.getOrderId());
if (order != null && order.getStatus() != OrderStatus.PAID) {
order.setStatus(OrderStatus.PAID);
toUpdate.add(order);
}
}
if (!toUpdate.isEmpty()) {
orderRepository.saveAll(toUpdate);
}
// 3. 批量发送下游消息
List messages = events.stream()
.map(e -> new Message("order-paid", e.getOrderId().toString()))
.collect(Collectors.toList());
mqTemplate.sendBatch(messages);
}
// 批量发送
public void sendBatch(List messages) {
// RocketMQ批量发送
List rocketMessages = messages.stream()
.map(msg -> org.apache.rocketmq.common.message.MessageBuilder
.withTopic(msg.getTopic())
.setBody(msg.getBody().getBytes())
.build())
.collect(Collectors.toList());
try {
SendResult result = rocketMQTemplate.syncSend(rocketMessages);
log.info("批量发送结果: {}", result);
} catch (Exception e) {
log.error("批量发送失败", e);
// 失败重试
retryBatchSend(messages);
}
}
} 代码清单12：批量处理优化
5.2 异步化优化
同步等待是性能杀手：
@Component
@Slf4j
public class AsyncMessageProcessor {
private final ExecutorService executor = Executors.newFixedThreadPool(
Runtime.getRuntime().availableProcessors() * 2);
// 异步处理
public void processAsync(Message message) {
CompletableFuture.supplyAsync(() -> {
try {
return processMessage(message);
} catch (Exception e) {
log.error("处理消息异常", e);
throw new RuntimeException(e);
}
}, executor)
.exceptionally(ex -> {
// 异常处理
handleProcessException(message, ex);
return null;
})
.thenAccept(result -> {
// 处理完成后的操作
if (result != null && result.isSuccess()) {
sendNextMessage(result);
}
});
}
// 并行处理
public void processParallel(List messages) {
List> futures = messages.stream()
.map(msg -> CompletableFuture.supplyAsync(() ->
processMessage(msg), executor))
.collect(Collectors.toList());
// 等待所有完成
CompletableFuture.allOf(futures.toArray(new CompletableFuture[0]))
.thenAccept(v -> {
// 统计结果
long successCount = futures.stream()
.filter(f -> {
try {
return f.get().isSuccess();
} catch (Exception e) {
return false;
}
})
.count();
log.info("批量处理完成: {}/{}", successCount, messages.size());
});
}
// 带限流的异步处理
public void processWithRateLimit(List messages) {
Semaphore semaphore = new Semaphore(10); // 并发数限制
List> futures = messages.stream()
.map(msg -> CompletableFuture.supplyAsync(() -> {
try {
semaphore.acquire();
return processMessage(msg);
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
throw new RuntimeException(e);
} finally {
semaphore.release();
}
}, executor))
.collect(Collectors.toList());
// 监控处理进度
monitorProcessingProgress(futures);
}
} 代码清单13：异步处理优化
5.3 性能测试对比
测试环境：
3节点Kafka集群
2节点RocketMQ集群
MySQL 8.0
16核32GB服务器
测试结果：
场景 | 单条处理TPS | 批量处理TPS | 提升 | 平均延迟 |
|---|---|---|---|---|
订单创建 | 420 | 2850 | 578% | 从85ms降到15ms |
支付处理 | 380 | 3200 | 742% | 从120ms降到20ms |
库存扣减 | 450 | 3800 | 744% | 从95ms降到18ms |
优化效果总结：
批量处理提升5-7倍性能
异步化减少等待时间
连接池复用减少开销
6. 监控与告警
6.1 关键监控指标
# prometheus配置
metrics:
mq:
producer:
sent_total: true
sent_failed_total: true
sent_duration_seconds: true
consumer:
received_total: true
processed_total: true
processing_duration_seconds: true
lag_seconds: true
message:
age_seconds: true
retry_count: true
alerting:
rules:
- alert: HighConsumerLag
expr: avg_over_time(mq_consumer_lag_seconds[5m]) > 300
for: 2m
labels:
severity: critical
annotations:
summary: "消费者堆积严重"
- alert: HighMessageRetry
expr: rate(mq_message_retry_count_total[5m]) > 10
labels:
severity: warning
annotations:
summary: "消息重试率过高"代码清单14：监控配置
6.2 健康检查
@RestController
@RequestMapping("/api/health")
public class MessageQueueHealthController {
@Autowired
private KafkaAdmin kafkaAdmin;
@Autowired
private RocketMQTemplate rocketMQTemplate;
@GetMapping("/mq")
public Map mqHealth() {
Map health = new HashMap<>();
// 检查Kafka
health.put("kafka", checkKafkaHealth());
// 检查RocketMQ
health.put("rocketmq", checkRocketMQHealth());
// 检查消费者
health.put("consumers", checkConsumerHealth());
// 检查堆积
health.put("backlog", checkMessageBacklog());
return health;
}
private Map checkKafkaHealth() {
Map kafkaHealth = new HashMap<>();
try {
// 检查连接
kafkaAdmin.describeTopics(Arrays.asList("test-topic"));
kafkaHealth.put("status", "UP");
// 检查分区
Map topics = kafkaAdmin
.describeTopics(Arrays.asList("test-topic"));
kafkaHealth.put("topics", topics.size());
} catch (Exception e) {
kafkaHealth.put("status", "DOWN");
kafkaHealth.put("error", e.getMessage());
}
return kafkaHealth;
}
// 监控看板
@GetMapping("/dashboard")
public ModelAndView mqDashboard() {
ModelAndView mav = new ModelAndView("mq-dashboard");
// 实时统计
mav.addObject("todayMessages", getTodayMessageCount());
mav.addObject("successRate", getSuccessRate());
mav.addObject("avgProcessTime", getAverageProcessTime());
mav.addObject("topics", getTopicStats());
return mav;
}
} 代码清单15：健康检查实现
7. 常见问题解决方案
7.1 消息丢失问题
问题：消息发送后丢失，消费者没收到。
解决方案：
@Component
@Slf4j
public class MessageLossPrevention {
// 1. 发送端确认
public void sendWithConfirm(String topic, String message) {
SendResult result = rocketMQTemplate.syncSend(topic, message);
if (result.getSendStatus() != SendStatus.SEND_OK) {
// 记录到本地，定时重试
saveToLocalStore(topic, message);
throw new MessageSendException("消息发送失败");
}
// 记录发送成功
logSendSuccess(result.getMsgId(), topic, message);
}
// 2. Broker持久化确认
public void sendWithPersistence(String topic, String message) {
Message msg = new Message(topic, message.getBytes());
// 设置持久化
msg.setWaitStoreMsgOK(true);
// 同步发送，等待刷盘
SendResult result = rocketMQTemplate.syncSend(msg);
// 检查存储状态
if (result.getSendStatus() == SendStatus.SEND_OK &&
result.isStoreOK()) {
log.info("消息持久化成功: {}", result.getMsgId());
}
}
// 3. 消费端确认机制
@KafkaListener(topics = "important-topic")
public void consumeWithManualAck(ConsumerRecord record,
Acknowledgment ack) {
try {
// 处理消息
processImportantMessage(record.value());
// 处理成功才确认
ack.acknowledge();
// 记录消费成功
logConsumeSuccess(record.key(), record.offset());
} catch (Exception e) {
log.error("处理消息失败", e);
// 不确认，等待重试
}
}
// 4. 定期对账
@Scheduled(cron = "0 */5 * * * ?") // 每5分钟
public void reconcileMessages() {
// 查询发送但未确认的消息
List unconfirmed =
messageRepository.findUnconfirmed(LocalDateTime.now().minusMinutes(10));
for (UnconfirmedMessage msg : unconfirmed) {
// 检查消息状态
MessageStatus status = queryMessageStatus(msg.getMessageId());
if (status == MessageStatus.NOT_FOUND) {
// 消息丢失，重新发送
resendMessage(msg);
log.warn("消息丢失，重新发送: {}", msg.getMessageId());
}
}
}
} 代码清单16：消息丢失预防
7.2 消息重复问题
问题：同一条消息被消费多次。
解决方案：
@Component
@Slf4j
public class MessageDuplicateHandler {
// 全局消息去重表
@PostConstruct
public void initMessageDedupTable() {
jdbcTemplate.execute("""
CREATE TABLE IF NOT EXISTS global_message_dedup (
message_id VARCHAR(64) PRIMARY KEY,
biz_type VARCHAR(32) NOT NULL,
biz_id VARCHAR(64) NOT NULL,
created_time DATETIME DEFAULT CURRENT_TIMESTAMP,
INDEX idx_biz (biz_type, biz_id)
)
""");
}
// 消费前检查
public boolean checkAndSetProcessed(String messageId,
String bizType,
String bizId) {
String sql = """
INSERT INTO global_message_dedup
(message_id, biz_type, biz_id)
VALUES (?, ?, ?)
ON DUPLICATE KEY UPDATE message_id = message_id
""";
try {
int affected = jdbcTemplate.update(sql, messageId, bizType, bizId);
return affected > 0; // 插入成功表示第一次处理
} catch (DuplicateKeyException e) {
return false; // 已处理过
}
}
// 清理过期记录
@Scheduled(cron = "0 0 3 * * ?") // 每天凌晨3点
public void cleanExpiredDedupRecords() {
String sql = "DELETE FROM global_message_dedup " +
"WHERE created_time < DATE_SUB(NOW(), INTERVAL 7 DAY)";
int deleted = jdbcTemplate.update(sql);
log.info("清理过期去重记录: {} 条", deleted);
}
// 业务幂等设计
@Transactional
public void processWithBusinessIdempotent(PaymentEvent event) {
// 1. 检查是否已处理
Payment payment = paymentRepository.findByOrderId(event.getOrderId());
if (payment != null && payment.getStatus() == PaymentStatus.SUCCESS) {
log.info("支付已处理，跳过: {}", event.getOrderId());
return;
}
// 2. 使用数据库唯一约束
try {
PaymentRecord record = new PaymentRecord();
record.setOrderId(event.getOrderId());
record.setTransactionId(event.getTransactionId());
record.setAmount(event.getAmount());
paymentRecordRepository.save(record);
} catch (DuplicateKeyException e) {
log.info("支付记录已存在，跳过: {}", event.getOrderId());
return;
}
// 3. 执行业务
paymentService.processPayment(event);
}
}代码清单17：消息重复处理
8. 选型指南
8.1 消息队列选型对比
特性 | Kafka | RocketMQ | RabbitMQ | 推荐场景 |
|---|---|---|---|---|
吞吐量 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ | 日志、大数据 |
延迟 | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 实时交易 |
事务消息 | ❌ | ✅ | ⚠️ | 分布式事务 |
顺序消息 | ✅ | ✅ | ⚠️ | 订单处理 |
堆积能力 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐ | 削峰填谷 |
运维复杂度 | 高 | 中 | 低 | 团队能力 |
8.2 我的"消息事务军规"
能异步不同步：优先使用消息队列解耦
必须有幂等：消费端必须实现幂等
必须有监控：消息链路全监控
必须有补偿：设计补偿和重试机制
必须有对账：定期对账保证最终一致
9. 最后的话
基于消息队列的最终一致性不是银弹，但它是微服务架构下最实用的分布式事务方案。理解原理，合理设计，持续监控，才能用好这个强大的工具。
我见过太多团队在这上面栽跟头：有的消息丢失导致数据不一致，有的重复消费导致业务错乱，有的顺序问题导致状态混乱。
记住：消息队列是工具，不是魔法。结合业务特点，设计合适方案，做好监控和补偿，才是正道。
推荐阅读
官方文档
RocketMQ事务消息 - RocketMQ官方事务消息指南
Kafka Exactly-Once - Kafka精确一次语义
源码学习
RocketMQ源码 - 事务消息实现源码
Kafka源码 - 消息存储和消费
最佳实践
监控工具
RocketMQ Dashboard - RocketMQ监控
Kafka Manager - Kafka集群管理
最后建议：从简单场景开始，理解原理后再尝试复杂方案。做好监控，设计补偿，持续优化。记住：消息事务优化是个持续的过程，不是一次性的任务。
浙公网安备 33010602011771号